Introdução à Ciência de Dados

Bacharelado em Administração

Prof. Washington Santos da Silva

IFMG - Campus Formiga

26 de março de 2025

Nesta Aula

Tópicos

  • Visão Geral de Ciência de Dados

    • O que é Ciência de Dados?
    • Papéis em Ciência de Dados
  • Apresentação do Programa da Disciplina

O que é Ciência de Dados?

Volume de Dados Gerados

A cada:

  • Compra online
  • Uso de redes sociais
  • Uso do GPS do seu smartphone
  • Você produz dados valiosos para a economia do séc. XXI.

Big Data

Capa de Outubro/2012

The Economist - Capas Históricas

Dilúvio de Dados - 25/02/2010

O Recurso mais Valioso do Mundo: Dados - 06/05/2017

Sobre a Disciplina

Fundamentos de Ciência de Dados para:

  • Coletar, preparar
  • Analisar
  • e Transformar dados em Insights

Aplicações

Exemplo: compras online

  • A cada toque no seu telefone;

  • Acada alerta de fraude no seu cartão de crédito;

  • A cada recomendação personalizada no seu serviço de streaming.

Tudo isso é Ciência de Dados trabalhando nos bastidores.

Aplicações

Exemplo: compras online

  • Os varejistas analisam seu histórico de compras e hábitos de navegação para recomendar aquele presente perfeito ou decidir o melhor momento para enviar uma notificação de promoção.

  • Trata-se de usar dados para compreensão e previsão de padrões.

O que é Ciência de Dados?

Figura 1: Ciclo de Vida da Análise de Dados

Papéis em Ciência de Dados

Visão Geral

Papéis em Ciência de Dados

  • Analista de Dados/Business Intelligence
  • Cientista de Dados
  • Engenheiro de Dados
  • Arquiteto de Dados
  • Cientista de Machine Learning
  • Engenheiro de Inteligência Artificial

Analista de Dados

Habilidades Técnicas

  • Domínio de ferramentas de visualização de dados como Power BI/Tableau, conhecimento avançado em planilhas eletrônicas, como MS Excel.

  • Proficiência em linguagens de programação como R e/ou Python.

  • Experiência básica com bancos de dados (SQL).

Habilidades Analíticas

  • Capacidade de realizar análises estatísticas e interpretar grandes volumes de dados para identificar tendências e padrões.

Analista de Dados

Exemplos de Aplicações Práticas

  • Análise de dados em setores como finanças, saúde e turismo, fornecendo insights para melhorar, por exemplo, a gestão de recursos e o atendimento ao cliente.

  • Elaboração de análises descritivas e diagnósticas: a análise descritiva busca entender o que aconteceu, enquanto a análise diagnóstica, qual o motivo – o porquê.

Analista de Business Intelligence

Habilidades Técnicas

  • Proficiência em ferramentas de BI como Power BI/Tableau/Qlik, com foco na criação e manutenção de dashboards.

  • Conhecimento sólido em bancos de dados e linguagem SQL para extração de dados.

  • Familiaridade com ETL (Extração, Transformação e Carga) e data warehousing.

  • Conhecimento em Excel avançado e noções de linguagens como R, e/ou Python.

Habilidades Analíticas

  • Capacidade de traduzir necessidades de negócio em requisitos técnicos para dashboards e relatórios.

  • Habilidade para identificar KPIs relevantes e criar visualizações eficientes.

Analista de BI (Business Intelligence)

Exemplos de Aplicações Práticas

  • Desenvolvimento de painéis interativos para acompanhamento de indicadores de desempenho em áreas como vendas, RH e operações.

  • Criação de relatórios automatizados para apoiar a tomada de decisão estratégica.

  • Foco em análises preditivas e prescritivas: identificar o que pode acontecer e sugerir o que deve ser feito.

Analista de BI vs Analista de Dados

Como as funções se confundem

  • Sobreposição de ferramentas: ambos utilizam ferramentas de visualização como Power BI e conhecimentos em SQL.

  • Foco diferenciado: enquanto o Analista de Dados concentra-se na exploração e interpretação aprofundada dos dados, o Analista de BI foca na criação de soluções de visualização e monitoramento contínuo.

  • Ciclo de trabalho: o Analista de BI tende a trabalhar mais em ciclos regulares (relatórios periódicos), enquanto o Analista de Dados frequentemente trabalha em projetos específicos com prazos definidos.

  • Na prática: em empresas menores, um mesmo profissional frequentemente assume ambos os papéis.

Cientista de Dados (Iniciante)

Habilidades Técnicas

  • Proficiência em linguagens de programação como Python e/ou R, com conhecimento de bibliotecas específicas (pandas, tidyverse, scikit-learn, tidymodels).

  • Conhecimento em SQL e bancos de dados relacionais e não-relacionais.

  • Familiaridade com ferramentas de versionamento (Git) e ambientes de desenvolvimento.

Habilidades Analíticas

  • Conhecimentos em estatística aplicada e modelagem matemática.

  • Capacidade de preparar e transformar conjuntos de dados para análise e modelagem.

  • Capas de Implementar os principais algoritmos de machine learning.

Cientista de Dados (Iniciante)

Exemplos de Aplicações Práticas

  • Desenvolvimento de modelos de classificação e regressão para problemas como previsão, segmentação de clientes e detecção de anomalias.

  • Análises preditivas e prescritivas: utilizando dados históricos para prever comportamentos futuros e recomendar ações.

  • Criação de provas de conceito (POCs) para validação de hipóteses de negócio baseadas em dados.

  • Apresentação de resultados técnicos em formato acessível para partes interessadas não-técnicos.

Outros Papeis em uma Equipe de Dados

Engenheiro de Dados

  • Profissional especializado na construção e manutenção de infraestruturas de dados. Responsável por projetar, desenvolver e otimizar* pipelines de dados, data warehouses e data lakes.

  • Seu foco está em garantir dados de qualidade, acessíveis e escaláveis para as equipes de análise e ciência de dados.

Cientista de Machine Learning (Aprendizagem de Máquina)

  • Especialista focado no desenvolvimento e implementação de algoritmos de aprendizado de máquina avançados para criar modelos preditivos complexos. Domina técnicas deep learning, processamento de linguagem natural e visão computacional.

Habilidades Não Técnicas

Essenciais para Profissionais de Dados

  • Boa comunicação oral e escrita: Saber explicar resultados técnicos para pessoas sem conhecimento técnico, usando linguagem simples e exemplos práticos.

  • Narrativa com dados: Capacidade de transformar números e resultados em histórias convincentes que influenciam decisões e destacam os insights mais relevantes.

  • Capacidade analítica: Abordar problemas de forma estruturada, fazer as perguntas certas e buscar soluções baseadas em evidências.

  • Pensamento crítico: Questionar suposições, avaliar a qualidade de informações e considerar interpretações alternativas antes de chegar a conclusões.

  • Conhecimento do negócio: Entender os objetivos da empresa, o mercado e como as análises se conectam às metas organizacionais.

Habilidades Não Técnicas

Essenciais para Profissionais de Dados

  • Trabalho em equipe: Colaborar efetivamente com colegas de diferentes áreas, entender suas necessidades e integrar diferentes perspectivas.

  • Gerenciamento de projetos: Planejar etapas de trabalho, estabelecer prazos realistas e comunicar progresso aos interessados.

  • Adaptabilidade: Lidar bem com mudanças de requisitos, prioridades e tecnologias em um campo em constante evolução.

  • Curiosidade intelectual: Fazer perguntas relevantes, buscar constantemente novos conhecimentos e ter interesse genuíno em explorar dados.

Cursos Online Recomendados

Apresentação do Programa da Disciplina

Programa da disciplina